Nivel 2 · Python para IA

01Cómo usar esta lección

Python es el idioma de la IA: casi todas las librerías de machine learning (scikit-learn, PyTorch, TensorFlow) se usan desde Python. No necesitas dominarlo entero; necesitas soltura con unas pocas piezas y cuatro herramientas.

Antes de empezar: abre Google Colab

Google Colab es un cuaderno de Python en el navegador, gratis y sin instalar nada. Escribes código en una celda, pulsas Mayús + Intro y ves el resultado debajo. El botón «Abrir en Google Colab» del final de la lección carga todos los ejemplos.

¿Prefieres no salir de la web? El Laboratorio de Python ejecuta Python dentro del navegador, con 10 retos que se corrigen solos y errores explicados en español. Al final de cada apartado verás qué retos practicar.

El método es el del nivel 1: la idea en una frase, un ejemplo corto y dónde aparece en IA. Con una diferencia: aquí se aprende escribiendo. Teclea los ejemplos en vez de copiarlos, cambia los números y mira qué pasa. Equivocarse y leer el error es parte del aprendizaje.

021 · Variables y tipos

La idea en una fraseUna variable es un nombre que apunta a un dato.

Con = guardas un valor bajo un nombre para usarlo después. Cada dato tiene un tipo, y los cuatro básicos son estos:

precio = 12.5          # float: número con decimales
unidades = 3           # int: número entero
producto = "vino"      # str: texto
en_oferta = True       # bool: verdadero o falso

total = precio * unidades
print(f"{unidades} × {producto} = {total} €")

Salida3 × vino = 37.5 €

La f delante de las comillas (una f-string) permite meter variables dentro del texto entre llaves. Es la forma más cómoda de mostrar resultados.

Operaciones con números

7 / 2     # 3.5  división normal
7 // 2    # 3    división entera
7 % 2     # 1    resto
2 ** 3    # 8    potencia

Error típico: en Python los decimales se escriben con punto, no con coma: 12.5, nunca 12,5. Con coma, Python entiende dos números distintos.

Practica ahora: resuelve los retos 1 y 2 del Laboratorio de Python.

¿Dónde aparece en IA? la tasa de aprendizaje del nivel 1 se guarda así: eta = 0.1. Los hiperparámetros de un modelo son, sencillamente, variables.

032 · Listas y diccionarios

La idea en una fraseUna lista guarda datos en orden; un diccionario los guarda con nombre.

Listas: una fila de cajas numeradas

notas = [7, 5, 9, 6]

len(notas)      # 4    cuántos elementos
sum(notas)      # 27
notas[0]        # 7    ¡el primero es el 0!
notas[-1]       # 6    el último
notas[1:3]      # [5, 9]  del 1 al 3, sin incluir el 3

notas.append(8)                  # añade al final
sum(notas) / len(notas)          # 7.0  la media

Error típico: los índices empiezan en 0, no en 1. El primer elemento es notas[0]. Y en notas[1:3] el 3 no se incluye.

Diccionarios: cajas con etiqueta

En vez de por posición, cada valor se busca por su nombre (su clave). Es perfecto para describir una cosa con varias propiedades:

vino = {"alcohol": 9.4, "acidez": 0.70, "calidad": 5}

vino["alcohol"]        # 9.4
vino["calidad"] = 6    # cambiar un valor
vino.keys()            # los nombres: alcohol, acidez, calidad

Practica ahora: resuelve los retos 3 y 4 del Laboratorio de Python.

¿Dónde aparece en IA? una lista de resultados de cada época de entrenamiento, o un diccionario con la configuración del modelo: {"capas": 3, "eta": 0.01}.

043 · Condiciones y bucles

La idea en una fraseif decide qué hacer; for repite lo mismo para cada elemento.

def etiqueta(calidad):
    if calidad >= 7:
        return "bueno"
    elif calidad >= 5:
        return "normal"
    else:
        return "malo"

for c in [4, 5, 7]:
    print(c, "→", etiqueta(c))

Salida4 → malo
5 → normal
7 → bueno

Fíjate en los dos puntos al final de cada if, elif, else y for, y en que lo de dentro va desplazado a la derecha (4 espacios). En Python esa sangría no es estética: es lo que dice qué líneas están dentro del bloque.

Error típico: mezclar la sangría o olvidar los dos puntos da IndentationError o SyntaxError. Otro clásico: usar = (guardar) en vez de == (comparar) dentro de un if.

Atajo muy usado: listas por comprensión

Crear una lista nueva a partir de otra en una línea. Se lee casi como en español: «n al cuadrado para cada n en…».

[n ** 2 for n in range(5)]         # [0, 1, 4, 9, 16]
[n for n in notas if n >= 6]       # [7, 9, 6, 8]  solo las aprobadas

Practica ahora: resuelve los retos 5 y 7 del Laboratorio de Python. El 7 es un código con tres errores que tienes que arreglar.

¿Dónde aparece en IA? entrenar un modelo es un bucle: for epoca in range(100): calcula el error, calcula el gradiente, da un paso. Es el bucle del descenso de gradiente del nivel 1.

054 · Funciones

La idea en una fraseUna función es una receta con nombre: recibe datos, hace algo y devuelve un resultado.

def media(valores):
    return sum(valores) / len(valores)

def precio_final(precio, descuento=0.0):     # descuento tiene valor por defecto
    return precio * (1 - descuento)

media([7, 5, 9, 6, 8])       # 7.0
precio_final(20)             # 20.0
precio_final(20, 0.25)       # 15.0

def crea la función, entre paréntesis van sus parámetros y return dice qué devuelve. Si un parámetro tiene valor por defecto (descuento=0.0) puedes no pasarlo.

Error típico: olvidar el return. La función se ejecuta, pero devuelve None y el error aparece más adelante, lejos de donde está el fallo.

Regla práctica: si copias el mismo código dos veces, conviértelo en una función.

Practica ahora: resuelve el reto 6 del Laboratorio de Python.

¿Dónde aparece en IA? en scikit-learn todo son funciones y métodos con parámetros por defecto: RandomForestClassifier(n_estimators=100). Leer su documentación es leer la lista de parámetros.

065 · NumPy: cuentas con muchos números a la vez

La idea en una fraseUn array de NumPy es una lista de números con la que puedes operar entera, sin bucles.

Con una lista normal, multiplicar todo por 2 exige un bucle. Con NumPy basta con x * 2: la operación se aplica a cada elemento. A esto se le llama vectorizar, y es la razón por la que los vectores del nivel 1 se programan tan fácil.

import numpy as np

x = np.array([1.0, 2.0, 3.0, 4.0])

x * 2          # [2. 4. 6. 8.]     ¡sin bucle!
x + 10         # [11. 12. 13. 14.]
x ** 2         # [1. 4. 9. 16.]
x.mean()       # 2.5
x.max()        # 4.0

x > 2          # [False False True True]
x[x > 2]       # [3. 4.]   filtrar con una condición

u, v = np.array([3, 1]), np.array([1, 2])
u @ v          # 5   el producto escalar del nivel 1

La línea x[x > 2] es muy útil: la condición crea una lista de True/False (una máscara) y con ella te quedas solo con los elementos que la cumplen.

¿Por qué no usar bucles? Por velocidad

Sumar los cuadrados de un millón de números de las dos formas:

datos = list(range(1_000_000))
arr = np.arange(1_000_000, dtype=float)

# Con un bucle de Python
total = 0
for d in datos:
    total += d * d

# Con NumPy: una sola línea
total = (arr * arr).sum()

Practica ahora: resuelve el reto 8 del Laboratorio de Python.

¿Dónde aparece en IA? un lote de 32 imágenes de 28 × 28 píxeles es un array de forma (32, 784), y una capa de red neuronal es X @ W. PyTorch y TensorFlow funcionan con la misma idea y casi la misma sintaxis que NumPy.

076 · Pandas: tablas

La idea en una fraseUn DataFrame de Pandas es una hoja de cálculo que manejas con código.

Imagina este archivo ventas.csv, con dos huecos (datos que faltan):

Paso 1 · Cargar y mirar

import pandas as pd

df = pd.read_csv("ventas.csv")

df.shape                  # (6, 3): 6 filas y 3 columnas
df.head()                 # las primeras filas
df["ventas"]              # una columna
df.isna().sum()           # cuántos nulos hay en cada columna → ventas: 2

Las casillas vacías aparecen como NaN («no es un número»). Siempre hay que buscarlas antes de hacer nada más.

Paso 2 · Limpiar los nulos

df["ventas"].mean()                  # 88.75  (Pandas ignora los nulos)

df.dropna()                          # opción A: quitar filas con nulos → quedan 4
mediana = df["ventas"].median()      # 87.5
df = df.fillna({"ventas": mediana})  # opción B: rellenarlos con la mediana

¿Quitar o rellenar? Si faltan pocas filas, quitarlas es lo más sencillo. Si son muchas, perderías demasiados datos, y es mejor rellenar con un valor razonable, como la mediana.

Paso 3 · Agrupar y filtrar

groupby es la herramienta estrella: «para cada tienda, suma sus ventas». Es como una tabla dinámica de Excel en una línea.

df.groupby("tienda")["ventas"].sum()
# Centro    207.5
# Playa     175.0
# Puerto    147.5

df[df["ventas"] > 90]      # filtrar filas: solo las que venden más de 90

Error típico: un CSV no siempre separa con comas. Si al cargarlo te sale una sola columna con todo junto, prueba pd.read_csv(archivo, sep=";"). Te pasará en el proyecto.

Practica ahora: resuelve los retos 9 y 10 del Laboratorio de Python.

¿Dónde aparece en IA? el 80 % del trabajo real en machine learning es esto: cargar, limpiar y entender los datos antes de entrenar nada. Un modelo entrenado con datos sucios da resultados sucios.

087 · Matplotlib: gráficos

La idea en una fraseUn gráfico te enseña en un segundo lo que una tabla esconde.

Con tres tipos de gráfico cubres casi todo al empezar:

import matplotlib.pyplot as plt

plt.hist(vinos["alcohol"], bins=20)        # histograma: cómo se reparten los valores
plt.title("Grado de alcohol de los vinos")
plt.xlabel("alcohol (%)"); plt.ylabel("número de vinos")
plt.show()

plt.scatter(vinos["alcohol"], vinos["quality"], s=8)   # dispersión: relación entre dos columnas
plt.xlabel("alcohol (%)"); plt.ylabel("calidad")
plt.show()

Error típico: un gráfico sin título ni nombres en los ejes no sirve para nada una semana después. Ponlos siempre.

¿Dónde aparece en IA? la curva de aprendizaje (el error en cada época) es un gráfico de líneas, y con ella se detecta el sobreajuste. Lo verás en el laboratorio de sobreajuste.

09Ejercicios

Escríbelos en Colab (o en la zona libre del Laboratorio de Python) antes de abrir la solución. Si algo da error, lee el mensaje: casi siempre dice la línea y el motivo.

def es_par(n):
    return n % 2 == 0

[n for n in range(10) if es_par(n)]   # [0, 2, 4, 6, 8]

t * 1.8 + 32     # [53.6 64.4 77.  87.8 48.2]
t[t > 20]        # [25 31]

def doble(x)
    return x * 2

10Proyecto: tu primer análisis de datos reales

Vas a explorar Wine Quality: 1.599 vinos tintos portugueses con 11 medidas químicas cada uno y una nota de calidad del 0 al 10 que pusieron catadores expertos. La pregunta: ¿qué tienen en común los vinos buenos?

import pandas as pd
import matplotlib.pyplot as plt

URL = "https://raw.githubusercontent.com/vtarazona/mle-ai/main/notebooks/data/winequality-red.csv"
vinos = pd.read_csv(URL, sep=";")          # ¡este CSV separa con punto y coma!

# 1. Primer vistazo
print(vinos.shape)                          # (1599, 12)
print(vinos.head())
print(vinos.isna().sum().sum())             # 0 nulos
print(vinos.duplicated().sum())             # 240 filas repetidas

# 2. ¿Cómo se reparte la calidad?
print(vinos["quality"].value_counts().sort_index())

# 3. ¿Qué tienen en común los vinos buenos?
print(vinos.groupby("quality")["alcohol"].mean().round(2))
print(vinos.corr()["quality"].sort_values().round(3))

# 4. Gráficos
fig, ax = plt.subplots(1, 3, figsize=(15, 4))
vinos["quality"].value_counts().sort_index().plot.bar(ax=ax[0], title="Vinos por calidad")
vinos.boxplot(column="alcohol", by="quality", ax=ax[1])
ax[2].scatter(vinos["alcohol"], vinos["volatile acidity"], c=vinos["quality"], s=8)
ax[2].set_xlabel("alcohol (%)"); ax[2].set_ylabel("acidez volátil")
plt.tight_layout(); plt.show()

Lo que deberías encontrar

1. Los datos están limpios, pero no del todo. Hay 1.599 filas y 12 columnas, sin nulos. Sin embargo, 240 filas están repetidas: conviene saberlo, porque inflan algunos resultados.

2. La calidad está muy concentrada. Casi todos los vinos son de 5 o 6. Los excelentes (7 u 8) son solo 217, un 13,6 %.

3. Más alcohol, mejor nota. La media de alcohol sube casi siempre con la calidad: 9,90 % en los de calidad 5, 10,63 % en los de 6, 11,47 % en los de 7 y 12,09 % en los de 8.

4. Las dos pistas más fuertes. La correlación es un número entre −1 y 1 que dice si dos columnas suben juntas (positiva) o una sube cuando la otra baja (negativa):

Error típico: correlación no es causa. Que los vinos buenos tengan más alcohol no significa que añadir alcohol mejore un vino. Lo verás en el nivel 3.

Para ir más allá: (1) quita los duplicados con vinos.drop_duplicates() y comprueba si cambian las conclusiones; (2) haz lo mismo con los vinos blancos (winequality-white.csv); (3) escribe en tres frases, para alguien que no sabe de datos, qué has descubierto.

11Test de autoevaluación

12¿Has asimilado el nivel?

Marca cada punto solo si puedes hacerlo sin mirar la lección (buscar en Google la sintaxis exacta sí vale: los profesionales lo hacen a diario). El progreso se guarda solo en este navegador.

• Sé crear variables de los cuatro tipos básicos y mostrarlas con una f-string.
• Sé acceder a elementos de una lista por su posición (empezando en 0) y a los de un diccionario por su clave.
• Sé escribir un if/elif/else y un bucle for, con la sangría correcta.
• Sé escribir una función con parámetros y return.
• Sé operar con un array de NumPy sin bucles y filtrarlo con una condición.
• Sé cargar un CSV con Pandas, contar los nulos y decidir si quitarlos o rellenarlos.
• Sé usar groupby para calcular un total o una media por grupo.
• Sé hacer un histograma y un gráfico de dispersión con título y ejes.
• He superado los 10 retos del Laboratorio de Python.
• He terminado el análisis de Wine Quality y sé explicar qué he encontrado.
• He sacado al menos 8 de 10 en el test.

Para practicar más

1. Documentación oficial de Python en español: El tutorial de Python (docs.python.org/es), capítulos 3 a 5.
2. Pandas: 10 minutes to pandas, la guía rápida oficial.
3. J. VanderPlas (2023). Python Data Science Handbook, 2.ª ed. O'Reilly. Gratis en la web del autor; capítulos de NumPy, Pandas y Matplotlib.
4. P. Cortez et al. (2009). Modeling wine preferences by data mining from physicochemical properties. Decision Support Systems, 47(4). Origen del dataset Wine Quality (UCI, licencia CC BY 4.0).

Ejecuta el código de la lección

Todos los ejemplos, los ejercicios y el proyecto, con los datos incluidos:

Anterior: Nivel 1 · Matemáticas · Siguiente: Nivel 3 · Estadística · Volver a la ruta